為了構(gòu)建一套科學(xué)合理、行之有效的財務(wù)風(fēng)險預(yù)警機制,及時識別出企業(yè)隱藏的財務(wù)風(fēng)險。本文以60家在A股上市的互聯(lián)網(wǎng)企業(yè)為依據(jù),以各企業(yè)2016～2018年的數(shù)據(jù)作為研究樣本,選取了包含財務(wù)和非財務(wù)指標(biāo)共計27項,構(gòu)建了初步預(yù)警指標(biāo)體系。通過非參數(shù)檢驗、主因子分析對指標(biāo)進行優(yōu)化和降維,將因子得分作為輸入變量代入多層前饋神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練和檢驗。檢驗結(jié)果表明:基于多層前饋神經(jīng)網(wǎng)絡(luò)的互聯(lián)網(wǎng)行業(yè)財務(wù)風(fēng)險預(yù)警模型達到了設(shè)計標(biāo)準(zhǔn),具有較高的準(zhǔn)確度和實際應(yīng)用價值。 

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 研究設(shè)計
    1.1 樣本選取和數(shù)據(jù)來源
    1.2 研究方法
2 財務(wù)預(yù)警指標(biāo)體系的構(gòu)建
    2.1 財務(wù)預(yù)警指標(biāo)初選
    2.2 非參數(shù)檢驗（Mann-Whitney U檢驗）
    2.3 最終財務(wù)預(yù)警指標(biāo)的確定
        2.3.1 樣本數(shù)據(jù)適用性檢驗
        2.3.2 公因子命名
3 實證檢驗
    3.1 多層前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
    3.2 多層前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練與檢驗
4 結(jié)論


【參考文獻】：
期刊論文
[1]基于主成分分析與廣義回歸神經(jīng)網(wǎng)絡(luò)的股票價格預(yù)測[J]. 于卓熙,秦璐,趙志文,溫馨.  統(tǒng)計與決策. 2018(18)
[2]第三方質(zhì)譜檢測行業(yè)財務(wù)風(fēng)險評估分析[J]. 李春玉.  知識經(jīng)濟. 2018(11)
[3]財務(wù)危機預(yù)警模型研究綜述與展望[J]. 房琳.  市場論壇. 2016(10)
[4]財務(wù)預(yù)警模型研究綜述與展望[J]. 劉義龍,郝青,李松.  財會通訊. 2015(25)
[5]基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的產(chǎn)品造型設(shè)計評價[J]. 林琳,張志華,張睿欣.  計算機工程與設(shè)計. 2015(03)
[6]航空公司財務(wù)危機預(yù)警模型研究[J]. 李春玲,劉梁.  財會通訊. 2015(01)
[7]基于動態(tài)BP神經(jīng)網(wǎng)絡(luò)的財務(wù)危機預(yù)警算法研究[J]. 楊濟亭.  信息技術(shù). 2013(02)



本文編號：3722978